Google DeepMind publie Gemini Robotics-ER 1.6 : raisonnement incarné amélioré et lecture d'instruments pour l'IA physique

Tesla et Optimus : pourquoi Elon Musk ne peut plus se passer de la Chine

Tesla a officiellement annoncé un pivot stratégique majeur : la production de ses modèles historiques est réduite au profit du robot humanoïde Optimus, qu'Elon Musk présente comme l'avenir de l'entreprise. L'objectif affiché est de produire plusieurs millions d'unités d'Optimus par an à terme, un volume qui dépasse largement les capacités actuelles des usines américaines et européennes. Pour atteindre cette échelle industrielle, Tesla s'appuie de façon croissante sur sa Gigafactory de Shanghai et sur le tissu de fournisseurs chinois spécialisés dans les moteurs, actionneurs et composants mécaniques nécessaires aux robots. Cette dépendance pose un problème stratégique de taille. Dans un contexte de guerre commerciale entre Washington et Pékin, Pékin dispose d'un levier considérable : les terres rares et les composants électroniques avancés, dont la Chine contrôle une part dominante de la production mondiale. Une restriction d'exportation ciblée pourrait paralyser la montée en cadence d'Optimus bien avant que Tesla n'ait pu diversifier ses approvisionnements. Pour Musk, qui cherche à positionner Optimus comme une réponse à la pénurie de main-d'oeuvre industrielle, l'enjeu est directement lié à la valorisation future de Tesla. Ce paradoxe illustre une tension plus large dans l'industrie robotique américaine : les entreprises qui veulent produire à grande échelle n'ont pas d'alternative crédible à court terme aux chaînes d'approvisionnement chinoises. BYD, Huawei et plusieurs groupes industriels de Shenzhen développent leurs propres robots humanoïdes, ce qui signifie que Tesla est simultanément dépendante et concurrencée par le même écosystème industriel chinois.

💬 Tesla mise tout sur Optimus, mais le pari repose sur des composants que Pékin peut couper en deux coups de stylo. C'est le genre de dépendance qu'on accepte quand on veut aller vite, et là Musk veut aller très vite. Sauf qu'être à la fois client et concurrent du même écosystème chinois, c'est une position qui tient jusqu'à ce qu'elle ne tienne plus.

Le professeur de l'USC qui a ouvert la voie à la robotique d'assistance sociale

Maja Matarić, professeure d'informatique, de neurosciences et de pédiatrie à l'Université de Californie du Sud (USC) à Los Angeles, a reçu en 2025 la médaille Robotics de MassRobotics, une récompense qui distingue les chercheuses faisant avancer le domaine de la robotique. Pionnière de la robotique socialement assistive, une discipline qu'elle a contribué à définir en 2005, Matarić développe depuis deux décennies des robots capables de mener des conversations, de jouer à des jeux et de réagir aux émotions. Ses travaux actuels portent sur l'utilisation de robots pour aider des étudiants souffrant d'anxiété et de dépression à suivre une thérapie cognitivo-comportementale (TCC), une approche clinique visant à modifier les schémas de pensée négatifs. Membre de l'IEEE au rang de Fellow, elle a été formée à l'Université du Kansas, où elle a obtenu son diplôme en informatique en 1987, puis au MIT, où elle a réalisé son master et son doctorat en intelligence artificielle et robotique, obtenus respectivement en 1990 et 1994. L'impact des recherches de Matarić touche des populations particulièrement vulnérables : enfants autistes, adolescents en souffrance psychologique, patients nécessitant une rééducation personnalisée. En remplaçant ou en complétant l'interaction humaine par des robots capables d'adapter leur comportement en temps réel, ses travaux ouvrent une voie concrète pour démocratiser l'accès à certaines formes de thérapie, notamment dans des contextes où les professionnels de santé sont en nombre insuffisant. La TCC assistée par robot, en particulier, représente une avancée significative : elle permet de délivrer un accompagnement structuré et répétable, sans les biais relationnels qui peuvent freiner certains patients dans un cadre clinique traditionnel. Née à Belgrade, en Serbie, Matarić a grandi dans une famille marquée par l'ingénierie : son père était ingénieur, son oncle travaillait dans l'aérospatiale. Après le décès de son père à ses 16 ans, elle émigre aux États-Unis avec sa mère. Au MIT, elle rejoint le laboratoire de Rodney Brooks, pionnier des systèmes robotiques réactifs, et développe Toto, le premier robot navigant à base de comportements, capable de cartographier un bâtiment grâce à des capteurs sonars. Ce parcours l'a menée à Brandeis University, puis à USC, où elle dirige aujourd'hui un laboratoire de référence mondiale. À une époque où la robotique sociale suscite un intérêt croissant des géants technologiques et des fonds d'investissement, les travaux fondateurs de Matarić rappellent que les applications les plus durables de la robotique sont souvent celles centrées sur l'humain.

Physical Intelligence présente un modèle robotique à généralisation similaire aux LLM, défauts compris

La start-up américaine Physical Intelligence a présenté π0.7, un nouveau modèle de fondation pour robots capable de recombiner des compétences acquises lors de l'entraînement pour accomplir des tâches inédites. Le principe rappelle directement le fonctionnement des grands modèles de langage, qui assemblent des fragments de leur corpus d'entraînement pour générer du texte nouveau. Les chercheurs qualifient ce phénomène de premières traces de "généralisation compositionnelle" en robotique, une capacité jusqu'ici considérée comme l'un des grands verrous du domaine. L'enjeu est considérable : un robot capable de composer librement ses compétences peut théoriquement s'adapter à des environnements non prévus lors de l'entraînement, sans reprogrammation manuelle. C'est précisément ce qui distingue l'intelligence artificielle générale de la robotique traditionnelle, figée dans des séquences prédéfinies. Physical Intelligence reconnaît toutefois que le modèle présente encore des défauts notables, signe que cette généralisation reste fragile et partielle à ce stade. Physical Intelligence, fondée en 2023 par d'anciens chercheurs de Google, DeepMind et Berkeley, s'est imposée comme l'un des acteurs les plus ambitieux de la robotique dite "généraliste". La société avait déjà publié π0 en 2024, un premier modèle de fondation polyvalent entraîné sur une large variété de tâches physiques. L'annonce de π0.7 s'inscrit dans une course plus large impliquant Figure AI, Agility Robotics et Tesla, tous en quête du même Graal : un robot capable d'apprendre une fois et de s'adapter partout.